拉杰夫古普塔
验证专家 in 工程
人工智能(AI)开发者
Rajeev对数据和机器学习充满热情,在众多行业和应用程序的数据科学项目中拥有超过五年的Experience. 他目前专注于TensorFlow等尖端技术, Keras, 深度学习, 以及大部分Python数据科学堆栈. Rajeev使用这些Skills解决了NLP中的许多实际业务问题, 图像处理, 和时间序列域.
Portfolio
Experience
Availability
首选的环境
Google Cloud, Jupyter笔记本, Spyder, Git
最神奇的...
...我实现的项目是一个NLP注意力增强顺序推理模型,用于自动化其中一个业务流程.
工作Experience
数据开发人员
Availyst有限责任公司
- 与美国一家食品聚合初创公司合作,研究数据工程和数据抓取, 使用Python数据科学堆栈, Jupyter笔记本, 和AWS服务.
- 处理了推荐引擎为用户推荐的一种食物和餐厅.
- 使用Python开发抓取应用程序,并使用AWS服务进行部署.
独立顾问-数据科学家
JSS信息技术企业孵化器
- 在JSS信息技术企业孵化器担任数据科学导师.
- 帮助小公司和初创公司利用他们的数据.
- 使用机器学习创建预测模型.
- 用神经网络进行自然语言处理.
- 开发分类和回归算法.
- 实现时间序列预测.
- 开发图像检测与深度学习.
数据科学家-金融科技项目
福布斯媒体- Q.ai
- 管理商业智能团队,作为客户的高级数据科学家.
- 做过量化研究员, 使用先进形式的定量技术和人工智能来生成跨多个资产类别的投资建议, 包括股票, ETFs, 选项, 和cryptocurrencies.
- 使用Dash为增长、营销和领导团队创建了一个仪表板, Plotly, 和表.
高级数据科学家和数据分析师
全球一流欧博体育app下载公司
- 担任客户及其团队的数据科学家和高级分析师.
- 曾为美国一家大型时装零售商进行需求空间细分.
- 将600万客户数据映射到需求空间段.
数据科学家
美国一家电信和媒体公司
- 与美国一家电信和媒体公司合作,识别假新闻.
- 建立了两个模型来识别文章中的讽刺和量化谬误.
独立顾问-数据科学家
IBM
- 曾为IBM美国公司优化其美国设施租赁以运行其运营.
- 开发Python模型以提高设施利用率, 降低设施运营成本和租赁成本,减少业务限制.
独立顾问-数据科学家
AbbVie公司.
- 与c级高管和产品管理团队密切合作,分析调查并生成数据/报告.
- 帮助产品团队和执行团队做出更明智的决策——通过发现新的机会来增加市场份额, 瞄准细分市场,设计巧妙的解决约束的新方法.
独立顾问-数据科学家
Newristics
- 开发了一个Python应用程序,该应用程序使用自然语言处理与深度神经网络序列来序列学习以实现业务流程自动化.
- 降低了业务运营成本.
数据科学家
新加坡Sopra Steria酒店
- 与陆路运输管理局合作, 新加坡将实现将城市转变为数字化和智能化城市的愿景,以提高为市民提供服务的效率, 使用机器学习, 预测建模, 数据挖掘.
数据科学家
Steria印度
- Built a recommendation system for an eCommerce site; it recommended the best possible items to buy based on customer history and collaborative filtering.
- 通过为一家零售银行开发一种分类算法,帮助客户流失预测,识别下一季度可能流失余额的客户,比当前季度至少减少50%.
- 为一家零售银行创建了一个分类算法,通过交叉销售其产品来提高现有客户的销售额, 个人贷款(客户交叉销售).
技术项目经理
Steria印度-巴克莱银行
- 在五年内建立约4300万英镑的客户留存业务效益, 节约成本, 以及新的商业机会,预计成本约为1200万英镑.
- 作为指导委员会的重要成员,确定用户需求并为大约250个用户开发定制解决方案,000家巴克莱卡收购商.
- 领导一个包括解决方案架构师在内的147人的项目团队, 设计师, 开发人员, 测试人员在整个项目开发生命周期中分布在多个地理位置.
- 始终保持在每月资源和预算预测的5%左右.
- 在一个由22个项目经理组成的团队中,被认为是解决问题的人,年支出超过7000万英镑.
Experience
IBM
我开发了Python整数编程算法来解决这个问题. 考虑业务约束使这个问题变得有趣和独特. 我在算法中参数化了优化周期(面向未来的周期),提供了多个解. 客户特别喜欢这个特性.
技术:Python, plot,线性编程,包装纸浆
Newristics
我自动化了消息评分过程,在这个过程中,团队将新消息与旧消息进行比较,并对其进行分析,以评估它对启发式的描述有多接近.
然后使用文本清理对文本数据进行预处理, 文本归一化, 并生成归一化数据的一元图. 我建立了两个主要模型来解决这个问题:XGBoost和深度神经网络序列到序列学习.
对于XGBoost,我创建了大约900个特性(分为三个部分).
•NLP基本特征:信息的字数/比例/字符数, 单元/双单元的TF-IDF, TF-IDF相似性, 等等......。
•词嵌入-自/预训练Word2vec/手套加权平均嵌入向量的相似度(TF-IDF为权重), etc.
•图节点度,邻居的交集,k-core/k-clique,分离度等.
我使用深度学习的序列到序列模型来增强序列推理神经网络架构.
技术:Python, LSTM, gensim, GloVe, SpaCy, NLTK, Scikit-learn, TensorFlow, Keras, Jupyter笔记本, Git, 谷歌云平台
AbbVie公司.
我们采访了119名医生,了解影响市场驱动因素的HCV组属性, 55名医生关心病人的治疗, 60位医生关于销售代表的互动以及他们对信息和互动的印象.
我与c级高管和产品管理团队密切合作,分析调查并生成数据/报告. 这有助于产品团队和执行团队做出更明智的决策——通过识别新的机会来增加市场份额, 目标细分市场, 并设计出巧妙的解决约束的新方法.
技术:Python, R, Plotly, Matplotlib, 回归, 集群, Association Rule
H进行分类&E染色乳腺癌组织学图像
技术:Python 3, Keras, NumPy, Pandas, SciPy, Scikit-learn
啤酒公司sku级的需求预测
以便计划其生产和分销,并帮助批发商进行计划, 对他们来说,准确估计每个批发商(60)的SKU水平(34)的需求是很重要的。.
数据:使用60家机构、34家sku四年的数据进行预测.
•价格促销(美元/升):价格, sales, 以单位单位月为单位,按每百升的美元价值进行促销
•历史销量(百升):以代理商-库存-月为单位的销售数据
•天气(摄氏度):一个机构月份的平均最高温度
•行业苏打水销售额(百升):行业苏打水销售额
•事件日历:事件细节(体育、嘉年华等)
•行业量(百升):行业实际啤酒量
• Demographics: Demographic details (yearly income in dollars); used deep neural networks sequence to sequence learning for demand prediction
基于深度学习的卫星图像特征检测
Skills
语言
Python, Python 3, SQL, R, CICS, COBOL, Java, XML, JavaScript, CSS
框架
LightGBM, Apache Spark
库/ api
TensorFlow, TensorFlow深度学习库(TFLearn), Matplotlib, Scikit-learn, Pandas, NumPy, XGBoost, CatBoost, Keras, PyTorch, SciPy, Dask, LSTM, SpaCy, 自然语言工具包(NLTK), PySpark
Tools
Jupyter, GitHub, Seaborn, Plotly, Git, Spyder, Gensim, 集群, 表, JCL, 从头开始, Amazon Elastic MapReduce (EMR)
范例
数据科学,敏捷软件开发,线性编程
平台
Docker, 亚马逊网络服务(AWS), Jupyter笔记本, 谷歌云平台(GCP), WebSphere, Oracle, Tango
存储
数据管道、Google Cloud、IBM Db2、VSAM (Virtual 存储 Access Method)、MySQL
Other
数据分析, 数据分析, 数据抓取, 工程数据, 定量建模, 定量分析, 混合整数线性规划, 深度学习, 深度神经网络, 卷积神经网络(CNN), 递归神经网络(rnn), 长短期记忆(LSTM), 自然语言处理(NLP), 图像处理, 时间序列分析, 人工智能(AI), 机器学习, 建模, 统计建模, 统计方法, 统计学习, 分析, GPT, 生成预训练变压器(GPT), 统计数据, Numba, 优化, 强化学习, 深度强化学习, Dash, GloVe, 回归, 关联规则学习, 分类, 内容管理, 刮
教育
计算机科学硕士学位
贾瓦哈拉尔尼赫鲁大学-新德里,印度
数学学士学位
德里大学-德里,印度
如何使用Toptal
在数小时内,而不是数周或数月,我们的网络将为您直接匹配全球行业专家.
分享你的需求
选择你的才能
开始你的无风险人才试验
对顶尖人才的需求很大.
开始招聘